投资者学习行为与股票市场波动

刘维奇,李 娜

(1. 山西大学 管理与决策研究中心,山西 太原 030006;2. 山西大学 经济与管理学院,山西 太原 030006;3. 山西财经大学 财政金融学院,山西 太原 030006)

一 引言

股票市场的涨涨跌跌牵动着每位投资者,如何在涨跌中获利成为投资者最关心的问题之一。尤其在经历了2008年和2015年的暴跌后,更使其倍感困惑。因此,股票市场波动的影响因素成为长期以来学术界进行理论和实证研究的热点。而投资者作为股票市场的主体,有限理性且拥有异质信念。投资者因具备有限的时间、经历和知识等,往往通过自身经验、他人行为和相关政策的学习来指导其投资决策行为。那么,投资者的学习行为是否能够作为异质信念形成的重要驱动力来影响股票市场的波动?即是否存在“投资者学习——投资者信念形成——投资行为确定——股票市场均衡——投资者下一期学习”的循环路径?这一问题对于股票市场波动影响因素和影响机制的研究至关重要。

已有文献分别从投资者自身的投资经验、与他人交流或模仿他人的社会学习、国家政策的学习三个视角,研究投资者通过形成未来预期和投资信念进而影响股票市场波动。首先,投资者的经验学习是投资决策的前提,不同的经验经历会产生不同的行为,进而影响股票市场的稳定。Malmendier和Nagel[1]研究发现,经历过低股票市场收益率的投资者更不愿承担金融风险,且对未来股票收益的预期更悲观;Ehling等[2]构建了资产价格和投资组合选择的世代交叠模型,认为年轻的投资者往往忽视历史经验的学习,得到回报后增加对风险资产的投资,而富有经验的投资者则进行反向操作,从而导致年轻投资者财富的减少;List[3]表明投资者经验的作用会被放大,这不仅影响投资者的理性行为,也会影响证券市场的稳定程度;Malmendier和Nagel[4]建立了个体形成认知的学习过程,并探究了人生经验与通货膨胀预期的关系;Adam和Marcet[5]也通过建立不完全市场状态下风险中性的资产定价模型,研究异质信念投资者的自适应学习过程,为刻画投资者的学习行为提供了有效方法;Adam等[6]认为投资者从过去股票价格中进行学习,而这一过程影响股票市场的波动;Nakov和Nuo[7]匹配了1920年至2014年(排除互联网泡沫时期)美国股票市场的价格股利比,并模拟了投资者经验学习导致股票市场波动的过程;也有研究表明,金融市场中没有经验投资者的不断涌入甚至会导致金融泡沫的形成,且投资者丰富的经验并不能消除股票价格泡沫[8,9];个人投资者亦或机构投资者均会受投资经验的制约,经验欠缺的基金经理对股票市场泡沫的形成与破灭具有正向影响[10,11];投资者在时间的流逝中始终遵循优胜劣汰的法则,富有经验投资者的增加会大大提高整个股票市场的收益,增加股票市场的稳定性[12]。

其次,社会学习的作用也不容忽视,即个体具有从众心理,其与他人交流或观察、猜测他人行为的过程驱动了向他人学习的行为。如Xiao[13]认为人们过于关注周围人的看法,为了避免向周围人解释所做决定原因的烦琐和压力,其行为往往会朝着大多数人想法和做法的方向发展;Kluger和McBride[14]从个人学习和社会学习两个视角研究盘中交易模式,使用遗传算法表示社会学习过程,发现社会学习起到了重要的作用;Malmendier和Nagel[4]在研究经验和通货膨胀预期关系时,也将模型中纳入了隶属于社会学习范畴的分析师预测等公共因素变量;Heller和Mohlin[15]进一步拓展了社会学习的范围,认为新代理人会从其他代理人过去的行为中进行学习并做出决定,同时也得出了代理人初始行为持续性的条件;孟涓涓等[16]则将社会学习细分为两类,即能直接交流的口口相传学习和观察他人行动的学习,发现不同类型的社会学习对股票市场投资决策的影响不同。而社会学习的叠加极易导致羊群行为,其会对股票市场的波动产生重要的影响,甚至会加剧股票市场泡沫的形成[17,18]。

国家出台的相关政策也为投资者投资决策提供了借鉴和指导。如王明涛等[19]从市场总体和不同市场环境两方面分析了各类政策因素对我国股票市场波动的影响,发现政策因素是影响我国股市波动的主要因素,其在牛市行情中对市场波动的影响更大;陈国进等[20]构建包含经济政策不确定性的随机贴现模型以探讨不同政策不确定性下股票风险的动态特征,证实了政策不确定性能够提高股票风险;徐亚平[21]研究发现个体通过学习经验和交流的方式理解政府出台的货币政策,进而影响其对未来经济的预期;朱小能和周磊[22]基于媒体数据对货币政策预期和未预期部分进行了分解,研究表明货币政策对股票市场的影响主要通过影响预期未来超额收益实现;Dunlop和Radaelli[23]以四个标准评价现有政策学习的科学性,证明了政策学习研究的必要性和有用性。

然而,投资者自身经验学习、社会学习和政策学习交互作用产生的预期和信念对股票市场波动影响的研究相对阙如。此外,已有研究学习行为的文献中,仅仅建立了投资者无限[5,6]或有限[7,24]生命周期且规模不变的假设,而本文则以投资者有限生命周期和群体规模不断变化为假设，从学习行为(自身经验学习行为、社会学习行为和经济政策学习行为)这一微观视角探究其形成的股利增长和股票价格增长预期,进而研究这一预期对当期股票均衡价格的影响。其中,采用适应性学习机制刻画自身经验的学习行为,采用投资者大盘乐观信心指数和国内经济政策信心指数作为社会学习和政策学习的代理变量。

研究的创新之处主要有三方面:第一,首次综合了包含经验学习、社会学习和经济政策学习的学习行为,以此研究其形成的预期和信念对股票市场波动的影响机理,丰富了投资者学习行为的研究。第二,研究提出了投资者群体规模不断变化的假设,这与股票市场的实际相符,弥补了已有研究仅以群体规模不变为假设的缺憾。第三,本文依据投资经验将投资群体进行划分,并设定同一群体的投资者信念同质、不同群体的投资者信念异质,且其异质性体现在两个方面:其一是投资者经验学习产生的个人预期因经验差异而不同;其二是随机化投资者赋予经验学习和社会学习的权重,这两个权重在不同时期对于不同群体均不同。这进一步拓展了投资者异质信念的范围。

本文结构安排如下:第二部分建立股票市场的基本框架;第三部分探究异质信念投资者的学习过程,并根据市场出清条件得出均衡价格;第四部分通过数值模拟,对比分析相关变量的实际值和模拟值;第五部分进行模型分析;最后得出结论、政策建议及研究展望。

二 股票市场框架

(一)有限生命且规模改变的投资者群体

在t=0期初的股票市场中,初入一群数目为NIA的投资者,他们属于同一投资者群体IA,其拥有对未来同质的信念。在经历当期股票市场的交易后,期末会有一些投资者因为种种原因退出,退出概率为ρIA,留下的投资者继续参与下一期的市场交易;在t=1期初,又有一新投资者群体IB进入,数量为NIB,他们也拥有同质的信念,但是这种信念与群体IA的信念不同。两种群体同时参与交易后,投资者群体IA和群体IB在期末分别以概率ρIA和ρIB退出一部分投资者;在t=2期初,投资者群体IC进入,数目为NIC,群体IC中投资者拥有的信念仍然相同,但与群体IA和IB的信念均不同。在期末,投资者群体IA、IB和IC的退出率分别为ρIA、ρIB和ρIC,留下的三类投资者群体继续参与下一期的股票投资,以此类推…总之,假设每类投资者群体中的个体均拥有相同的信念,不同群体之间的信念不同,每期期末各群体的退出率ρ(ρ≪1)极小,且各自的ρ保持恒定不变,退出的投资者不再进入。从整个股票市场来看,每期投资者群体的总进入率与退出率不尽相同,且进入数远大于退出数,总规模处于不断变化之中。

随着时间的推移,市场上留下的投资者的经验不断积累丰富。为刻画“经验”这一变量,本文采用投资者的股龄a(a∈N)来度量。股龄即投资者从进入股票市场到时期t所经过的时间长度，以月为单位计量。在t期的投资者中,有多少种投资者群体,就有多少种不同的经验状态,相同经验的投资者进行经验学习的速率相同。

(二)股票市场的约束

假设股票市场中的投资者都是风险中性的,且仅投资一种资产。属于相同投资群体的投资者具有的信念相同,在每类投资者群体中,均可选出一位代表投资者i,i∈{iIA,iIB,…,iIZ,iIAA,iIBB,…},其可以表示所在群体全部投资者的学习过程、预期形成以及投资行为。每个代表投资者i(以下简称投资者)在他的整个生命期的效用函数的期望值为:

(1)

Εi,0是投资者i在t=0时期形成的期望,t=0是指各投资者在其刚进入股票市场的初始时期,不同投资者的初始时间不同。投资者i在每t期的消费效用函数为:u(Ci,t)=Ci,t,时间偏好参数是β(0<β<1),β是常数,即不随投资者类型和时间的变化而变化,θi是投资者i所在群体的留存率。

每个投资者i在t期面临的预算约束为:

Ci,t+PtSi,t≤(Pt+Dt)Si,t-1+Wi,t

(2)

Pt为t期的股票价格,Dt是t期的股利,Si,t表示投资者i在t期的股票持有量,Wi,t表示投资者i在t期的收入。

假设股利服从一个外生的随机过程,即:

ln(Dt/Dt-1)=μ+εt,εt～N(0,σ2)

(3)

其中,μ(μ>0)是股利增长率的均值,σ2(σ2>0)是股利增长率的方差。

每个投资者i都受到约束,不能任意多头或空头,假设其t期持有股票量Si,t的约束条件为:

(4)

对于投资者i在t期的收入Wi,t,将其设为:Wi,t=ηDt,这表示所有投资者在t期的收入均相同。其中,η(η>0)是常数且足够大。

对于∀t,投资者i所在的群体均有投资者以恒定概率退出,且i通过将下期股利和股票价格期望之和进行折现以形成当期的保留价格,具体表示为:

Pi,t=βθiΕi,t(Pt+1+Dt+1)

(5)

投资者i的目标是最大化其终身效用,联立式(1)和式(2),可得一阶最优条件为:

(6)

这表示投资者持有股票的数量受到其保留价格Pi,t和股票价格Pt之间大小关系的影响。具体地讲,若Pt>Pi,t,则投资者不愿持有股票;若Pt=Pi,t,在可持有范围内,投资者会自由选择持有量;若Pt

(三)股票市场的均衡

着眼于整个股票市场,投资者不同的经验致使其信念具有异质性,因此保留价格和愿意持有的股票数量也不尽相同。假设股票市场供应的数量L恒定,则t期市场的出清条件为:

(7)

三 投资者的学习过程与股票均衡价格的形成

(一)投资者的学习过程

投资者在进行投资决策前,会对未来市场形势形成预期,以决定是否投资或投资多少。假设投资者根据以下模型来预测未来股利和股票价格的增长率:

χt=m+δt

(8)

其中,χt是t时期二者增长率的实际值,m是所有投资者预期的二者增长率的均值,δt为预期值与实际值之间的误差。即:

而在t期的投资者i对t+1期股票价格和股利的预期值分别为:

(9)

(10)

因此,设投资者初进股票市场(其股龄为a=0)及在t=0时期,各投资者预期的股利增长率和股票价格增长率均为:

(11)

投资者在形成增长率的预期值时,会受到经验的影响。其经验是指投资者从进入股票市场到某一时期所经历过的实际股利和股票价格增长率的集合,这与投资者的股龄息息相关。投资者从个人积累的经验中进行学习,采用适应性学习机制,不断纠正过去的预期,得到对未来增长率的预期值。式(12)为经验学习的过程,如下所示:

ma,t=ma-1,t-1+γa(χt-ma-1,t-1)

(12)

其中,a≥1且t≥1。初始值a=0或t=0时的预期值由式(11)得到。γa表示股龄为a的投资者在经验学习中,信念的更新速率。股龄越小的投资者,越容易变动自身的信念,学习速率越快;相反,股龄越大的投资者,对于很多现象已司空见惯,信念变动的幅度较小,更新的速率较慢。本文采用Malmendier和Nagel[4]设定的学习速率公式来刻画投资者股龄与学习信念更新速率的关系,即:

(13)

其中,φ为常数,表示在投资者赋予过去信息中,发生时间较远信息所占权重和较近信息所占权重的大小关系,分为三种类型:φ>1,表示较近的过去信息所占权重大于较远的过去信息;φ<1,情况相反;φ=1,表示过去各种信息所占的权重相同。为了符合现实的一般情形，本文采用Malmendier和Nagel[1]过去信息所占权重递减的学习机制,即φ>1。当a<φ时,γa=1表示投资者入市前或刚入市时,其所接触到的信息忽略不计;当a≥φ时,γa=φ/a表示投资者经验学习的速率随其经验增加而减慢。

本文假设股利是外生的、股票价格是内生的,这会导致投资者通过不同的学习过程分别产生对未来股利和股票价格增长率的预期。

1.对股利的学习

股利的形成机制是外生的,不受股票市场内部其他因素的影响。在t期初,Dt形成后被投资者所知,股龄为a的投资者根据精确的t期股利增长率,通过个人经验学习,得到对t+1期股利增长率的预期值:

(14)

2.对股票价格的学习

(1)经验学习

(15)

(2)社会学习

(3)政策学习

(4)投资者的总预期

(16)

本文从影响投资者总预期的学习行为中,选出较为重要的三方面加以区分,是为了更好理解投资者的学习内容,可以假设为经验学习、社会学习和政策学习依次进行。但现实生活中,三种学习行为是相互交叉的,并没有明确的界限,可能做出决策仅在一瞬间,即便如此,投资者还是会将这三种学习都包含在内,并不会充分考虑到其他投资者预期可能已加入了自己的个人预期及政策预期。所以,在交叉情形下,式(16)仅仅是权重发生了相应变化,模型表示仍较为合理。

(二)股票市场均衡的形成

根据式(5)、式(9)和式(10)可知,在t期,股龄为a的投资者的保留价格即为其所在群体代表投资者i的保留价格:

(17)

将保留价格Pa,t从高到低进行排序,得到的排名以x表示,根据市场出清条件:

(18)

(19)

四 数值模拟

(一)数据来源与处理

1.股利与股票价格数据

对于上证A股,研究1993-2015年的月度股利和股票价格。股利一般在年中或年底才会发放,进入Wind资讯,从分红指标数据中可得到每个公司的年度累计单位分红,即各公司当年分配的税前每股股利的总和,但并无股利的月数据。因此,借鉴Shiller[29]和王远林[30]的处理方法,对当年所有发放股利公司的年度累计单位分红进行算术平均,得到股票市场整体的年度股利均值,再使用三次样条插值法,便可得到股利的月度值。

从板块行情序列中,收集上证A股1993-2015年每日的算术平均收盘价,将此收盘价在各个月的算术平均值,作为股票价格的月度值。

2.投资者新开户与销户数

上证A股的月度新增开户数与新销户数,自2003年后才有记录,因此选择2003-2015年这一时间段模拟投资者的群体变化。从Wind数据库和中国证券登记结算有限公司中可获取相关数据,但自2015年6月后,月度新销账户数缺失。2015年7月到12月的数据可使用当年1月到6月特殊机构退出数占新销户数的平均比率作为基准,结合当月的特殊机构退出数近似推算出来。

上证所从1990年12月19日正式营业,到2002年12月底,可视为经历了144个月，此时市场中共有144类投资者群体。

为模拟每月各投资者群体中投资者的数量,可做如下处理:首先将2002年末的投资者账户总数N0按股龄种类数均分,并四舍五入取整,作为2002年末各类型投资群体所拥有的投资者数目;然后匹配月度新增开户数与新销户数,对各群体每月的进入与随机退出进行模拟,可求得同一群体在2003-2015年的退出率均值;最后以此平均值作为各群体的退出率定值,使用每月的新增开户数重新模拟投资者的进入与退出,便可得到模拟的各类投资者规模。

(二)参数值设置

根据式(11),投资者刚进股票市场时,预期的股票价格和股利增长率的初始值相同,匹配上证A股1993-2015年月度股利增长率的均值,均设为μ=0.0015。“杠杆”参数ω和经验学习速率控制参数φ设置的值参照Nakov和Nuo[7],ω=480,其决定一个投资者的股票持有量上限;φ=1.0147,表示投资者较为看重过去发生时间较近的信息。上证A股中,1993-2015年间的价格股利比均值为76.07989,2003-2015年间投资者的平均留存率从理性预期角度,可得投资者时间偏好参数β=0.987309。研究起始时间为2008年3月,所以初始最大股龄为amax,0=206。股票价格的初始值设为2008年3月上证A股的收盘价,即P0=17.552857。猜想价格围绕上期股票价格随机变化,其由V决定,在[-0.05, 0.05]之间。投资者政策学习的权重φ为定值,设为0.1。而自身经验学习的权重α与社会学习的权重λ在和为定值0.9的前提下,在0-0.9之间随机变化,即α+λ=0.9。模拟投资者群体变化的初始投资者总数N0=34068500,即2002年的期末账户数;股票市场的总供应量设为L=191000000,约为N0的6倍。详细的参数含义及取值如表1所示。

表1 投资者学习模型的参数含义及取值

(三)数值模拟与结果

本文遵循投资者进行学习到均衡价格形成这一路径,采用2008年3月至2015年12月上证A股相关数据,以实际股利数据作为各期外生的股利值,进行数值模拟,最终产生每期股票价格的模拟值。

当期的股票价格Pt除以股利Dt,即可得到价格股利比Pt/Dt。图1将价格股利比的模拟结果与实际数据波动进行比较。因为投资者通过学习形成股票价格增长率的预期时,猜想价格、赋予经验学习以及社会学习的权重都是随机的,所以每次模拟出的价格股利比波动情况也随机变化,但是各图形之间差异极小。图1.1为经过100次模拟得到的价格股利比平均值,图1.2为其中任意三次的模拟结果。

图1 上证A股价格股利比模拟值与实际值的比较

由图1可知,价格股利比的模拟值与实际值的变化趋势基本一致,甚至在一些时间段高度重合,这表明投资者学习模型能较好解释股票市场的波动之谜。但在2008年6月至2008年12月、2015年7月至2015年12月期间,实际股票市场出现了剧烈下跌,但模拟结果的下跌幅度不大;同样,在2015年股票市场大涨阶段,模拟结果也未上升到实际值,这说明在暴涨暴跌时期,学习模型的解释力下降,有些影响因素可能发生了变化。

此外,本文也对比分析了股票价格增长率的模拟值与实际值,结果如图2所示。由图2可得出,除2008年5月至2009年1月、2014年7月至2015年11月股票市场剧烈震荡的时期外,模拟值与实际值的变化情况非常相似。

图2 上证A股股票价格增长率模拟值与实际值的比较

模型的合理性不仅可从图形中得到直观证明,而且从数据统计特征方面也能得到验证。表2将模拟值与实际值的均值和标准差进行了对比,其中股利使用的是实际数据,其他两个变量均值和标准差的模拟值与实际值相差甚小。

由以上模拟值与实际值的多种对比结果可知,虽然在有些时间段模拟效果欠佳,但投资者学习行为是解释股票市场波动的重要因素。本文在第五部分将对模型进行深入分析,探究模型未能解释暴涨暴跌时期的原因以及投资者产生的行为。

五 模型分析

(一)对相关系数的研究

为探究不同时期的投资者是否有不同的行为倾向,本文根据实际股票市场的波动剧烈程度,将总时间段(2008年3月至2015年12月)划分为较稳定时期(2009年1月至2014年12月)和暴涨暴跌时期(2008年3月至2008年12月、2015年1月至2015年12月)。其中,总时期、较稳定期、暴涨暴跌期分别用T1、T2、T3表示。

投资者在采用不同期初预期(编号为a-g组)后,获得价格股利比的模拟值[注]注:在研究仅有政策预期的作用时,为匹配股票价格的剧烈波动,改变总供应量L为50000000,其他参数值不变;而模拟其他预期的作用时,使用的参数值完全相同。此外,因模型包含随机数,其结果均为模拟100次的平均值。,在不同时期,分别与实际值进行相关性分析,得到的各相关系数如表3所示。

表3 不同预期形成的价格股利比的模拟值与实际值相关系数的对比

注:*表示在10%水平上显著;**表示在5%水平上显著;***表示在1%水平上显著。

从同一时期对不同预期相关系数的大小比较来看,在T1和T2时期,三种学习共同形成预期(g组)的模拟值与实际值相关系数均是7种预期中最高的,且在1%水平上显著,这说明本文的模型能较好解释总研究时期和较稳定期的股票市场波动。然而,在剧烈震荡的T3时期,最大的相关系数变为仅社会学习预期(b组)、社会学习加政策学习的预期(f组)所对应的模拟结果。这说明投资者赋予各学习行为的权重随着时期的不同而不同,在暴涨暴跌时期,投资者赋予社会学习的权重增加。

从同种预期在不同时期相关系数的变化来看,g组的相关系数在T2时期比T1时期大,说明投资者产生三种学习行为的模型在较稳定期的解释力最好。而仅个人经验学习预期(a组)的相关系数在T2时期显著正相关,却在T3时期显著负相关,说明投资者在较稳定期赋予个人经验学习预期的权重比在暴涨暴跌的时期大,在大涨大跌时,投资者甚至一点也不愿意相信自己的判断。仅社会学习预期(b组)和仅政策学习预期(c组)的相关系数在三个时期均显著正相关,说明这两个影响因素始终在投资者的考虑范围内;另外,二者各自的相关系数值从T2时期到T3时期明显增加。这说明,一方面投资者在股票市场极度波动的阶段,容易产生过度兴奋或恐慌情绪,不假思索地更愿意跟随其他投资者的预期,社会学习的权重增加,极易形成羊群行为,进一步推动更大泡沫的产生或破灭;另一方面,政府在这一阶段,为了稳定股票市场,制定相应的较为密集的政策进行调控,也会倍受投资者的关注。

(二)对图形的研究

为更直观反映各不同预期形成的价格股利比的波动情况,本文绘制了图3进行分析。其中,仅政策学习预期(c组)的模拟值波动幅度太大,故单独画出,如图3.1所示,而现实生活中,投资者在形成预期时,不可能只关注经济政策对股票市场的影响程度,所以不必再分析其图形的含义。

图3.2将其他预期的模拟结果综合到一个图形中,方便各组预期进行对比。从图3.2可知,模拟效果较好的是:经验学习加社会学习预期(d组)、三种预期均包含(g组)这两组。对比二者,发现g组模拟效果最好,区别在于其引入了政策预期,这也从侧面消除了对于三种学习行为有交叉而影响模型合理性的顾虑;但从某些时间段来看,如2009年 9 月至 2010 年 8 月之间,d组的模拟值与实际值较为接近,这说明此时间段政策预期的权重非常小。

图3 不同预期形成的价格股利比模拟值与实际值的比较

(三)对平均绝对误差和均方根误差的研究

为反映各组价格股利比模拟值与实际值在不同时期的具体误差情况,本文将二者的平均绝对误差(MAE)与均方根误差(RMSE)分别进行了对比,结果如表4所示。从表4可知,在T1、T2时期,g组的MAE和RMSE均最小;而在T3时期,b组的MAE和RMSE最小,这同样支持了不同时期投资者学习倾向不同的结论。

表4 各组模拟值与实际值的平均绝对误差和均方根误差

(四)模型解释力分析

本文选择2008年3月至2015年12月这一时间段,基本覆盖了股票市场可能出现的波动情形。在此时间内,投资者经过三种学习过程,得到价格股利比模拟结果与实际数据的相关系数可达90%以上,且除了剧烈波动时期,图形的变化趋势与幅度基本一致;而后通过对预期种类和时间区间的划分,得出了投资者在暴涨暴跌期赋予社会学习的权重急剧增加的结论,解释了2008年大跌和2015年大涨的现象,使本文的模型更具说服力。然而仍未能解释2015年暴跌的现象,可能存在以下原因:

第二,2015年的暴跌离不开“去杠杆”的作用。在2015年,融资融券和场外配资规模的迅速膨胀抬高了杠杆率,对股票市场的急剧上涨产生了巨大推力。但之后监管部门意识到风险加剧,对杠杆比例紧急收缩,采取了紧两融、清配资、限期指等一系列举措以“去杠杆”,巨额资金在短时间内迅速撤离,股票市场随之暴跌。从图3.2可知,在2015年下跌之后的时间段,本文模拟值的变化幅度虽然与实际情况不同,但二者的变化趋势却非常相似,这也说明有强制性的外部因素(如“去杠杆”政策)对此时间段的股票市场产生了主要影响。因此,2015年短暂牛市的破灭与“去杠杆”的冲击有很大关系。

总而言之,某些特殊时期会有不可改变、客观存在的主导因素影响股票市场,除了关注投资者行为,监管部门在制定强制性政策时还需谨慎。

六 结论与建议

股票市场中不同投资者在经验的丰富度、受他人影响的程度和对经济政策的理解深度等方面存在差异,这些差异致使其形成对未来不同的预期和信念,进而影响其投资决策行为,最终影响了股票市场的波动。基于此,本文以投资者有限生命和群体规模改变为假设,研究不同学习行为作用下的异质信念对股票市场波动的影响机制,并选取2008年3月至2015年12 月的股利数据进行数值模拟分析,以深度挖掘股票市场波动的影响因素。最终得出如下结论:

第一,投资者学习行为与股票市场波动之间相互影响并形成循环回路,即投资者学习——投资者信念形成——投资行为确定——股票市场均衡——投资者下一期学习,这一循环回路随时间的流逝往复演进,最终呈现出波动的股票市场。

第二,不同时期,各学习行为所占的权重不同。具体地讲,暴涨暴跌时期市场中狂热或恐慌情绪蔓延,投资者几乎不敢相信个人经验学习的预期,因此社会学习在总预期形成中占极大比重;同时,政策被投资者寄予厚望,政策学习的权重也随个别政策的出台而增加。而在较稳定时期,投资者逐渐恢复理智,此时个人经验学习权重随之增加,这有利于股票市场的稳定。

本文研究不仅拓展了投资者异质信念的范围,丰富了行为金融理论,为理解股票市场的波动之谜提供了更微观的视角及理论解释;还证实了投资者信心指数调查的重要性,对于防范和化解重大金融风险具有积极意义。研究也对监管部门和投资者具有一定的现实指导意义,具体体现在:

第一,对监管部门而言,要充分考虑欲出台政策对投资者预期的可能影响,保证政策所含信息的透明度。此外,公开解读政策实施目的并加强对投资者的教育力度以提高投资者预期精度与风险意识。还可使用助推(nudge)方法积极引导投资者的学习和预期,并建立投资者信心实时调查系统,测算其风险阈值。当然,也要加强对股票市场谣言的打击力度以维护市场的稳定性。

第二,对投资者而言,要加强对金融理论、股票投资书籍等的学习,不断积累和丰富自身的经验,尽可能降低个人预期的变动幅度。广大投资者要以冷静从容的心态对待股票市场的微幅涨跌,避免情绪蔓延和放大。此外,投资者也应积极参与信心指数问卷调查并关注调查结果,在期末进行思考与总结,不断修正期初预期偏差。

各学习行为具有交叉性,需通过深度神经网络等机器学习算法进行刻画。因此,有待进一步融合各主要影响因素,直接模仿投资者大脑的学习过程,以探究学习行为具体的微观形成机制并形成更准确的人工智能风险监测系统。